基于双基数链的Tate对快速算法

椭圆曲线上双线性对快速实现的核心是Miller算法.本文给出了一种改进的Miller算法,其核心思想是将{2,3}-双基数链与Millier算法相结合,此算法在计算双线性对时能够有效地减少Miller算法中的迭代次数,而更有价值的是,此算法不仅适用于超奇异椭圆曲线同时还适用于一般的椭圆曲线.由本文给出的实验结果可知,新...     

FPGA实现的视频图像缩放显示

对几种常用的图像缩放算法进行了比较,在权衡了算法复杂度、缩放效果和FPGA逻辑资源等3大因素后,选择了双线性插值算法来实现图像缩放。重点介绍了双线性插值算法和该方法的FPGA硬件实现方法,包括图像数据缓冲单元、插值系数生成单元以及插值计算单元等。应用结果表明,双线性插值算法及其硬件实现模块达到了预期的效果。     

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阚值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真.这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法.     

一种基于WordNet的短文本语义相似性算法

 短文本语义相似性计算在文献检索、信息抽取、文本挖掘等方面应用日益广泛.本文提出了一种短文本语义相似性计算算法ST-CW.此算法使用WordNet和Brown文集来计算文本中的概念相似性,在此基础上提出了一个新的方法综合考虑概念、句法等信息来计算短文本的语义相似性.在R&;B及Miller数据集上进行实验,实验结果验证了算法的有效性.     

基于延时反向传播算法的低复杂度滤波器研究

为了进一步减少管状双线性递归神经网络的计算复杂度,在管状双线性递归神经网络中采用了延时反向传播算法。延时反向传播算法使用了阶次微分,误差函数对权值微分进行后向计算。后向计算顺序降低了初始化要求,减弱了网络对初始化条件敏感性并降低了计算的复杂度。该网络采用了模块化设计,各个模块以并行的方式执行任务,改善了计算效率。基于管状双线性递归神经网络的结构与神经元的数学模型,提出了具体的延时反向传播算法实现方案。同时进行了仿真来评估滤波器在非线性系统辨识方面的性能。实验结果表明基于延时反向传播算法的管状双线性递归神经网络提供了相当好的性能。     

双线性插值放大算法在视频图像实时放大处理系统中的应用

文章设计并实现了基于FPGA的视频图像实时双线性插值放大。针对双线性插值算法的特点,对算法的硬件实现框架进行了深入研究,提出了一种合理的双一维线性插值模块框架,完成算法的硬件实现,并将其设计应用在视频图像实时处理系统。仿真结果表明,应用该方法进行插值计算不仅结构简单、实时性好,而且可实现变倍率的视频图像实时放大。     

基于预处理共轭梯度法的低复杂度信号检测算法

大规模多输入多输出系统中,最小均方误差信号检测算法是近似最优的,但由于其涉及矩阵求逆,计算复杂度随着天线数量增加呈指数增长.提出了低复杂度的预处理共轭梯度信号检测算法,该算法通过预处理技术降低矩阵条件数,从而加快共轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.相比直接用共轭梯度法,能够更快收敛到最佳值.     

基于优先级纹理填充的全方位图像展开方法与研究

鱼眼镜头具有短焦距、大视场的特点,因而在很多领域得到了广泛的应用,但是,鱼眼镜头拍摄出来的照片有很严重的畸变,需要将拍摄的全景图像展开成全方位图像.由于双线性插值算法的局限性,使用双线性插值算法处理过的图像还存在不足之处,本文在双线性播值算法的基础上提出了一种基于优先级的纹理填充技术,解决了展开过程中图像出现断裂的现象.实验结果表明：本文算法处理过的全景图像具有很好的视觉效果.     

PC集群MPI并行矩量法分析复杂平台多天线特性

为分析安装于诸如飞机、舰艇等复杂目标上多天线的电磁兼容性,本文引入了Costa基函数对多天线线面连接结构进行建模.针对计算量过大、耗时太长这一主要障碍,结合RWG基函数特点,设计了一种高效的适用于共轭梯度方法求解的棋盘状并行矩阵填充算法,避免了RWG基相互作用的重复计算,然后详细地讨论了并行共轭梯度算法求解矩量法矩阵方程的并行实现过程.本文进一步开发并在PC集群中实测了MPI并行矩量法程序性能,作为应用计算了安装于某飞机头部的多天线辐射特性.     

H.26L中基于双线性和立方卷积的混合插值算法

本文根据对H.26L视频编码算法的研究,提出一种基于双线性和立方卷积的混合插值算法.通过分析比较H.26L中的双线性插值和立方卷积插值,指出单一插值算法的局限性,并在H.26L软件编解码中实现了混合插值算法.实验表明,该算法可以较大幅度改善主客观图像质量,提高图像压缩编码效率.     

基于共轭梯度法的多层神经网络训练方法

建立多层人工神经网络的最优化求解方法,以多层神经网络总体平均误差为目标函数,以权值和阈值作为设计变量,采用共轭梯度法对网络的权值和阈值进行优化计算,完成神经网络训练的方法.将优化原理应用到多层神经网络权值和阈值的计算问题,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件.     

多导体互连线分布电容矩阵的一种近似格林函数算法

本文提出了一种计算多层介质多导体互连线系统分布电容，分布电感矩阵的简单有效的方法，本方法能适用于横截形状为矩形或无限薄的多导体系统，主要是利用谱域格林函数直接求出空域格林函数的近似表达式，采用一定的加速方法后，在保持必要的计算精度的基础上能明显提高了计算速度，计算结果与文献符合很好。     

高效的R-ate对的参数构造方法

为进一步提高Tate对的计算效率,在R-ate算法的基础上提出了一种新的(A,B)参数选择方法.与Atei方法相比,该方法将(A,B)参数对选择(p~i,r),使得Atei的方程中域的特征pmodr代替P~mmodr,从而大大降低Miller循环的次数.但是在p取值不当时,有可能造成系统的可实现性降低,因此最后给出一种p的取值规则,以确保本方法应用下的系统成功实施.     

A Krylov Subspace Method for Covariance Approximation and Simulation of Random Processes and Fields

This paper proposes a new iterative algorithm for simultaneously computing an approximation to the covariance matrix of a random vector and drawing a sample from that approximation. The algorithm is especially suited to cases for which the elements of the random vector are samples of a stochastic process or random field. The proposed algorithm has close connections to the conjugate gradient method for solving linear systems of equations. A comparison is made between our algorithm's structure and complexity and other methods for simulation and covariance matrix approximation, including those based on FFTs and Lanczos methods. The convergence of our iterative algorithm is analyzed both analytically and empirically, and a preconditioning technique for accelerating convergence is explored. The numerical examples include a fractional Brownian motion and a random field with the spherical covariance used in geostatistics.     

A simple and fast probabilistic algorithm for computing square roots modulo a prime number (Corresp.)

A probabilistic polynomial-time algorithm for computing the square root of a numberx in {bf Z}/P{bf Z}, whereP = 2^{S}Q + 1(Qodd,s > 0)is a prime number, is described. In contrast to the Adleman, Manders, and Miller algorithm, this algorithm gets faster as s grows. As with the Berlekamp-Rabin algorithm, the expected running time of the algorithm is independent ofx. However, the algorithm presented here is considerably faster for values ofsgreater than2.     

DNA纳米颗粒共聚体在图的连通度问题中的应用

本文提出了一种利用DNA纳米金颗粒共聚体的自组装过程解决图论中一个NP完全问题-连通度问题的DNA计算方法,构建了解决图的连通度问题的三维DNA自组装计算模型.根据设计的算法,首先需要根据具体的图的连通度问题设计用于自组装的DNA纳米金颗粒共聚体,然后根据算法经过一系列实验设计来求解连通度问题.本文利用Visual DSD仿真该实验的可行性,为下一步DNA自组装计算模型的应用提供了可行的方案.     

Artificial Neural Networks for Resonant Frequency Calculation of Rectangular Microstrip Antennas with Thin and Thick Substrates

Neural models based on multilayered perceptrons for computing the resonant frequency of rectangular microstrip antennas with thin and thick substrates are presented. Eleven learning algorithms, Levenberg-Marquardt, conjugate gradient of Fletcher-Reeves, conjugate gradient of Powell-Beale, bayesian regularization, scaled conjugate gradient, Broyden-Fletcher-Goldfarb-Shanno, resilient backpropagation, conjugate of Polak-Ribiére, backpropagation with adaptive learning rate, one-step secant, and backpropagation with momentum, are used to train the multilayered perceptrons. The resonant frequency results obtained by using neural models are in very good agreement with the experimental results available in the literature. When the performances of neural models are compared with each other, the best result is obtained from the multilayered perceptrons trained by Levenberg-Marquardt algorithm.     

Computation of electromagnetic fields in large biological bodies byan iterative moment method with a restart technique

The computation of electromagnetic (EM) fields in a large, three-dimensional arbitrarily shaped dielectric or biological body is made practical by a conjugate gradient algorithm with a restart technique. This algorithm allows the operator to run the program for large bodies in a measured and controlled manner, minimizing the computing cost and avoiding the crashes inherent in an extended computer run. It is shown that in achieving convergence, a good initial guess plays only a very minor role while the G⁽ⁿ⁾ and A⁽ⁿ⁾ functions are crucial to the convergence in the conjugate gradient algorithm and must be included in the restart     

基于Hopfield－Tank模型的神经网络的变参数方法

本文分析了Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型在收敛性，稳健性，优化率以及计算速度方面存在的问题，之后根据外部惩罚函数法的基本思想提出了一种新的方法基于Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型的神经网络的变参方法．本文还对ＴＳＰ的能量函数进行了改进，并对我国３１个城市的ＴＳＰ进行了软件模拟，得出了１５６４０公里的最短路径，在收敛性，稳健性，优化率以及计算速度方面的结果都十分满意．     

Simulation and sensitivity analysis of nonuniform transmission lines using integrated congruence transform

This paper presents a new algorithm for computing sensitivity information of nonuniform multiconductor transmission lines with respect to arbitrary physical parameters. The proposed algorithm provides sensitivity information through a reduced-order system that has a simple representation in the time-domain. This feature enables computing sensitivity in the presence of nonlinear terminations. The proposed algorithm is based on the concept of passive model-order reduction using integrated congruence transform. It also addresses the problem of sensitivity analysis for nonuniform multiconductor transmission lines without having to resort to any discretization techniques